本發(fā)明專利技術(shù)涉及功率預(yù)測技術(shù)領(lǐng)域，公開了風(fēng)電功率預(yù)測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，該方法包括：獲取預(yù)設(shè)區(qū)域風(fēng)電場歷史功率數(shù)據(jù)；基于歷史功率數(shù)據(jù)對預(yù)設(shè)區(qū)域風(fēng)電場進(jìn)行聚類分析，得到多個特征風(fēng)電場；基于多個特征風(fēng)電場采用深度學(xué)習(xí)算法建立風(fēng)電場功率預(yù)測模型；采用風(fēng)電場功率預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測。本發(fā)明專利技術(shù)針對區(qū)域風(fēng)電場進(jìn)行功率預(yù)測，提高了風(fēng)電功率預(yù)測的準(zhǔn)確性，優(yōu)化了電力系統(tǒng)的調(diào)度和運行，降低了電力系統(tǒng)運行成本，增強(qiáng)了模型的自適應(yīng)性和環(huán)境適應(yīng)性，解決了沒有針對區(qū)域風(fēng)電場功率預(yù)測以及預(yù)測精度不高的問題。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及功率預(yù)測，具體涉及風(fēng)電功率預(yù)測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)。
技術(shù)介紹
1、隨著全球能源危機(jī)的加劇和氣候環(huán)境的惡化，人類迫切需要清潔替代能源來解決日益嚴(yán)峻的能源形勢。風(fēng)能作為一種清潔、可再生的能源，受到了國際社會的重視。然而，風(fēng)力發(fā)電由于其主要受風(fēng)速、風(fēng)向和氣象因素的影響，具有很大的隨機(jī)性和間歇性。隨著風(fēng)電并網(wǎng)規(guī)模的不斷擴(kuò)大，這些特性對電網(wǎng)的長期穩(wěn)定性造成了不良影響。因此，準(zhǔn)確的風(fēng)電功率預(yù)測對于優(yōu)化電網(wǎng)調(diào)度、提升電力系統(tǒng)的供電可靠性和安全性、提高風(fēng)電市場競爭力以及合理安排風(fēng)電機(jī)組檢修計劃等方面都具有重要意義。
2、盡管已經(jīng)有一些風(fēng)電功率預(yù)測技術(shù)，但現(xiàn)有研究大多只針對單臺風(fēng)機(jī)進(jìn)行功率預(yù)測，沒有針對區(qū)域風(fēng)電場內(nèi)所有風(fēng)機(jī)的功率預(yù)測，且存在預(yù)測精度不高、適應(yīng)性不強(qiáng)等問題。此外，風(fēng)電功率預(yù)測技術(shù)在處理風(fēng)電數(shù)據(jù)中的異常值、季節(jié)性變化以及多模型融合預(yù)測方面仍面臨挑戰(zhàn)。
技術(shù)實現(xiàn)思路
1、有鑒于此，本專利技術(shù)提供了一種風(fēng)電功率預(yù)測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，以解決沒有針對區(qū)域風(fēng)電場功率預(yù)測以及預(yù)測精度不高的問題。
2、第一方面，本專利技術(shù)提供了一種風(fēng)電功率預(yù)測方法，該方法包括：
3、獲取預(yù)設(shè)區(qū)域風(fēng)電場歷史功率數(shù)據(jù)；
4、基于歷史功率數(shù)據(jù)對預(yù)設(shè)區(qū)域風(fēng)電場進(jìn)行聚類分析，得到多個特征風(fēng)電場；
5、基于多個特征風(fēng)電場和深度學(xué)習(xí)算法建立風(fēng)電場功率預(yù)測模型；
6、采用風(fēng)電場功率預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測。
<
p>7、本專利技術(shù)提供的風(fēng)電功率預(yù)測方法,基于歷史功率數(shù)據(jù)對預(yù)設(shè)區(qū)域風(fēng)電場進(jìn)行聚類分析，得到多個特征風(fēng)電場；基于多個特征風(fēng)電場采用深度學(xué)習(xí)算法建立風(fēng)電場功率預(yù)測模型；采用風(fēng)電場功率預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測，針對區(qū)域風(fēng)電場進(jìn)行功率預(yù)測，提高了風(fēng)電功率預(yù)測的準(zhǔn)確性，優(yōu)化了電力系統(tǒng)的調(diào)度和運行，降低了電力系統(tǒng)運行成本，增強(qiáng)了模型的自適應(yīng)性和環(huán)境適應(yīng)性，解決了沒有針對區(qū)域風(fēng)電場功率預(yù)測以及預(yù)測精度不高的問題。8、在一種可選的實施方式中，基于歷史功率數(shù)據(jù)對預(yù)設(shè)區(qū)域風(fēng)電場進(jìn)行聚類分析，得到多個特征風(fēng)電場包括：
9、基于歷史功率數(shù)據(jù)采用自適應(yīng)k-means聚類算法對預(yù)設(shè)區(qū)域進(jìn)行風(fēng)電場集群劃分，每個集群包括多個風(fēng)電場；
10、獲取每個集群內(nèi)每個風(fēng)電場歷史功率數(shù)據(jù)以及每個集群的總歷史功率數(shù)據(jù)；
11、計算每個集群內(nèi)每個風(fēng)電場歷史功率數(shù)據(jù)與每個集群的總歷史功率數(shù)據(jù)之間的相關(guān)性系數(shù)；
12、選擇每個集群內(nèi)相關(guān)性系數(shù)最大的風(fēng)電場作為對應(yīng)的特征風(fēng)電場。
13、在一種可選的實施方式中，基于歷史功率數(shù)據(jù)采用自適應(yīng)k-means聚類算法對預(yù)設(shè)區(qū)域進(jìn)行風(fēng)電場集群劃分包括：
14、設(shè)定自適應(yīng)k-means聚類算法的初始聚類數(shù)目；
15、基于自適應(yīng)k-means聚類算法和初始聚類數(shù)目計算每個聚類數(shù)對應(yīng)的聚類指數(shù)；
16、選擇聚類指數(shù)最小對應(yīng)的聚類數(shù)作為最佳聚類數(shù)目；
17、基于最佳聚類數(shù)目對預(yù)設(shè)區(qū)域進(jìn)行風(fēng)電場集群劃分。
18、本專利技術(shù)提供的風(fēng)電功率預(yù)測方法,采用了自適應(yīng)k-means聚類算法對區(qū)域風(fēng)電場進(jìn)行集群劃分，充分利用了風(fēng)電場歷史功率數(shù)據(jù)，通過計算風(fēng)電場間的相似性，將具有相似出力特性的風(fēng)電場劃分為同一集群。自適應(yīng)k-means聚類方法不僅考慮了風(fēng)電場的地理位置，還考慮了其出力特性，使得聚類結(jié)果更加符合實際風(fēng)電場的運行情況。通過對集群內(nèi)風(fēng)電場的歷史功率數(shù)據(jù)進(jìn)行相關(guān)性分析，選擇出具有代表性的特征風(fēng)電場。這些特征風(fēng)電場的選取基于其歷史功率數(shù)據(jù)與集群總功率數(shù)據(jù)間的高相關(guān)性，從而確保了特征風(fēng)電場的預(yù)測結(jié)果能夠較好地反映整個集群的風(fēng)電功率變化。
19、在一種可選的實施方式中，深度學(xué)習(xí)算法包括改進(jìn)粒子群算法和長短期記憶神經(jīng)網(wǎng)絡(luò)；
20、基于多個特征風(fēng)電場和深度學(xué)習(xí)算法建立風(fēng)電場功率預(yù)測模型包括：
21、獲取每個特征風(fēng)電場的風(fēng)速序列；
22、采用小波包分解技術(shù)將特征風(fēng)電場的風(fēng)速序列分解為多個風(fēng)速子序列；
23、基于多個風(fēng)速子序列、改進(jìn)粒子群算法和長短期記憶神經(jīng)網(wǎng)絡(luò)建立風(fēng)電場功率預(yù)測模型。
24、本專利技術(shù)提供的風(fēng)電功率預(yù)測方法，基于小波包分解技術(shù)對風(fēng)速序列處理方法，將風(fēng)速序列分解為多個平穩(wěn)的風(fēng)速子序列，以降低風(fēng)速的高自相關(guān)性和波動性對預(yù)測精度的影響，顯著提高了風(fēng)電功率預(yù)測的準(zhǔn)確性。基于多個風(fēng)速子序列、改進(jìn)粒子群算法和長短期記憶神經(jīng)網(wǎng)絡(luò)建立風(fēng)電場功率預(yù)測模型，改進(jìn)粒子群算法提高了模型的泛化能力和預(yù)測精度，長短期記憶神經(jīng)網(wǎng)絡(luò)作為一種遞歸神經(jīng)網(wǎng)絡(luò)，能夠很好地處理具有時間序列特性的數(shù)據(jù)，即風(fēng)速子序列，能夠更好的捕捉風(fēng)電功率隨時間的變化規(guī)律。
25、在一種可選的實施方式中，采用風(fēng)電場功率預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測包括：
26、采用風(fēng)電場功率預(yù)測模型對每個特征風(fēng)電場進(jìn)行功率預(yù)測，得到每個特征風(fēng)電場功率預(yù)測值；
27、將每個特征風(fēng)電場功率預(yù)測值進(jìn)行疊加，得到預(yù)設(shè)區(qū)域的集群劃分風(fēng)電功率預(yù)測結(jié)果。
28、本專利技術(shù)提供的風(fēng)電功率預(yù)測方法，通過對各特征風(fēng)電場的功率預(yù)測值進(jìn)行疊加匯總，得到整個區(qū)域風(fēng)電場的功率預(yù)測結(jié)果，不僅提高了預(yù)測精度，還避免了傳統(tǒng)的直接相加法可能導(dǎo)致的預(yù)測誤差疊加問題。優(yōu)化了電力系統(tǒng)的調(diào)度和運行，降低了電力系統(tǒng)運行成本，增強(qiáng)了風(fēng)電場功率預(yù)測模型的自適應(yīng)性和環(huán)境適應(yīng)性，促進(jìn)了風(fēng)電產(chǎn)業(yè)的可持續(xù)發(fā)展。
29、在一種可選的實施方式中，采用風(fēng)電場功率預(yù)測模型對每個特征風(fēng)電場進(jìn)行功率預(yù)測，得到每個特征風(fēng)電場功率預(yù)測值包括：
30、基于風(fēng)電場功率預(yù)測模型采用支持向量機(jī)建立融合模型及其對應(yīng)的分類模型；
31、采用迭代優(yōu)化算法更新融合模型及其對應(yīng)的分類模型，得到最優(yōu)融合模型及其對應(yīng)分類模型；
32、計算多個風(fēng)速子序列對應(yīng)的多個風(fēng)電功率預(yù)測分量；
33、基于最優(yōu)融合模型及其對應(yīng)分類模型將多個風(fēng)電功率預(yù)測分量進(jìn)行融合，得到每個特征風(fēng)電場功率預(yù)測值。
34、本專利技術(shù)提供的風(fēng)電功率預(yù)測方法，通過支持向量機(jī)構(gòu)建的融合模型及其對應(yīng)的分類模型對多個風(fēng)電功率預(yù)測分量進(jìn)行融合，進(jìn)一步提高了預(yù)測的準(zhǔn)確性，考慮了不同風(fēng)電場環(huán)境下預(yù)測模型性能的變化，通過動態(tài)選擇最優(yōu)的融合模型，提高了風(fēng)電功率預(yù)測結(jié)果的可靠性。
35、在一種可選的實施方式中，風(fēng)電功率預(yù)測方法還包括：
36、獲取預(yù)設(shè)區(qū)域內(nèi)每個風(fēng)電場的功率預(yù)測值；
37、將每個風(fēng)電場的功率預(yù)測值進(jìn)行疊加，得到直接相加風(fēng)電功率預(yù)測結(jié)果；
38、將集群劃分風(fēng)電功率預(yù)測結(jié)果與直接相加風(fēng)電功率預(yù)測結(jié)果進(jìn)行比較，得到預(yù)測精度值；
39、通過預(yù)測精度值評估風(fēng)電場功率預(yù)測模型的預(yù)測性能。
40、本專利技術(shù)提供的風(fēng)電功率預(yù)測方法，使用實際風(fēng)電場直接相加風(fēng)電功率預(yù)測結(jié)果對區(qū)域風(fēng)電場功率預(yù)測模型的功率預(yù)測結(jié)果進(jìn)行驗證，評估預(yù)測結(jié)果的準(zhǔn)確本文檔來自技高網(wǎng)
...
【技術(shù)保護(hù)點】
1.一種風(fēng)電功率預(yù)測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述歷史功率數(shù)據(jù)對預(yù)設(shè)區(qū)域風(fēng)電場進(jìn)行聚類分析，得到多個特征風(fēng)電場包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，基于所述歷史功率數(shù)據(jù)采用自適應(yīng)K-means聚類算法對預(yù)設(shè)區(qū)域進(jìn)行風(fēng)電場集群劃分包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述深度學(xué)習(xí)算法包括改進(jìn)粒子群算法和長短期記憶神經(jīng)網(wǎng)絡(luò)；
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，采用所述風(fēng)電場功率預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測包括：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，采用所述風(fēng)電場功率預(yù)測模型對每個特征風(fēng)電場進(jìn)行功率預(yù)測，得到每個特征風(fēng)電場功率預(yù)測值包括：
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：
8.一種風(fēng)電功率預(yù)測裝置，其特征在于，所述裝置包括：
9.一種計算機(jī)設(shè)備，其特征在于，包括：
10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)指令，所述計算機(jī)指令用于使計算機(jī)執(zhí)行權(quán)利要求1至7中任一項所述的風(fēng)電功率預(yù)測方法。
...
【技術(shù)特征摘要】
1.一種風(fēng)電功率預(yù)測方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述歷史功率數(shù)據(jù)對預(yù)設(shè)區(qū)域風(fēng)電場進(jìn)行聚類分析，得到多個特征風(fēng)電場包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，基于所述歷史功率數(shù)據(jù)采用自適應(yīng)k-means聚類算法對預(yù)設(shè)區(qū)域進(jìn)行風(fēng)電場集群劃分包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述深度學(xué)習(xí)算法包括改進(jìn)粒子群算法和長短期記憶神經(jīng)網(wǎng)絡(luò)；
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，采用所述風(fēng)電場功率預(yù)測模型對風(fēng)電功...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐濤，李潤源，王揚，崔英杰，陳翔，周偉勝，田廣，桂任舟，胡喆，李天皓，徐明希，泰章原，
申請(專利權(quán))人：上海勘測設(shè)計研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。